Alumno: María Elena Martínez Manzanares
Profesor: Doctor Julio Waissman Vilanova
Curso: Ingeniería de Características
Programa educativo: Maestría en Ciencia de Datos de la Universidad de Sonora
Hermosillo, Sonora a 2 de noviembre del 2022
Es posible encontrar una descripción de los datos en esta liga y los EDAs automáticos en esta carpeta de GitHub.
Se presentarán en este cuaderno:
Pregunta que deseamos resolver:
Basados en históricos, ¿qué es lo que le ocurre a un inmigrante ilegal que no logra cruzar la frontera Sonora-Arizona?

Se requiere estudiar si podemos realizar las siguientes gráficas.
vivos_muertos.plot.bar()
<AxesSubplot:>
sns.barplot(data=vivos_muertos, x="Sexo", y="loc_vivos")
<AxesSubplot:xlabel='Sexo', ylabel='loc_vivos'>
sns.barplot(data=vivos_muertos, x="Sexo", y="loc_muertos")
<AxesSubplot:xlabel='Sexo', ylabel='loc_muertos'>
identificados_muertos.plot.bar()
<AxesSubplot:>
sns.histplot(data=Arizona_16_21, x="Age")
<AxesSubplot:xlabel='Age', ylabel='Count'>
Arizona_16_21.groupby(["Cause of Death"]).count()["Name"].sort_values(ascending=False).plot.bar()
<AxesSubplot:xlabel='Cause of Death'>
Arizona_16_21.groupby(["Body Condition"]).count()["Name"].sort_values(ascending=False).plot.bar()
<AxesSubplot:xlabel='Body Condition'>
Arizona_16_21.groupby("Post Mortem Interval").count()["Name"].sort_values(ascending=False).plot.bar()
<AxesSubplot:xlabel='Post Mortem Interval'>
Arizona_16_21.groupby(Arizona_16_21["Reporting Date"].dt.year).count()["Name"].plot.bar()
<AxesSubplot:xlabel='Reporting Date'>
Arizona_16_21.groupby(Arizona_16_21["Reporting Date"].dt.month).count()["Name"].plot.bar()
<AxesSubplot:xlabel='Reporting Date'>
aux = SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"]
sns.histplot(data=aux, x="EDA")
<AxesSubplot:xlabel='EDA', ylabel='Count'>
(SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"]
.groupby(["SEXO_parsed"])
.count()["DEL"]
.plot.bar())
<AxesSubplot:xlabel='SEXO_parsed'>
(SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"]
.groupby(["NIV_ESC_parsed"])
.count()["DEL"]
.plot.bar())
<AxesSubplot:xlabel='NIV_ESC_parsed'>
(SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"]
.groupby(["AUT_DEP_parsed"])
.count()["DEL"]
.plot.bar())
<AxesSubplot:xlabel='AUT_DEP_parsed'>
(SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"][["CAN_AL","CAN_COM","CAN_STRA",
"CAN_SEGPOP","CAN_OFAM","AGUA_AL",
"DESC_BUS","APO_LLAM","APO_MAT",
"APO_VES","APO_ASF","APO_AME",
"APO_REC_PERT"]].sum()
.sort_values(ascending=False)
.plot.bar())
plt.axhline(y=SEGOB[SEGOB["PERM_EU_parsed"]=="De 0 a 30 días"].shape[0], color='r', linestyle='--')
plt.show()
Se propone un KPI que permita identificar a lo largo de los meses la cantidad de migrantes localizados vivos y localizados muertos, con el objetivo de detectar si la cantidad de localizados muertos es mayor o igual a los localizados vivos.
El análisis del KPI puede ser encontrado en la siguiente liga.
fig = px.line(localizados_ts, x="Fecha", y=localizados_ts.columns,
labels={
"loc_vivos": "Localizados vivos",
"loc_muertos": "Localizados muertos",
"value":"Cantidad"},
hover_data={"Fecha": "|%B, %Y"},
title='Inmigrantes localizados vivos vs localizados muertos por mes'
)
fig.update_layout(legend_title="Variable")
fig.show()
Se presenta a continuación el diseño del tablero elaborado en draw.io.
El tablero consistirá de tres secciones, en una sola página larga dividida o tres páginas diferentes, en donde se tenga la siguiente información.


